人間のように探索する：身体性エージェントのためのオンラインSG-Memo構築による自律探索
arXiv cs.CV / 2026/4/22
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- この論文は、長期的な身体性ナビゲーションにおいて構造化された空間メモリが重要だと述べ、現在主流の幾何学中心の二段階・オフライン再構築アプローチでは、意味的ランドマークを見落としやすい点を指摘しています。
- ABot-Explorerは、RGBのみを用いたオンラインの能動探索フレームワークであり、VLM（大規模視覚言語モデル）から得るSemantic Navigational Affordances（SNA）を使って「探索」と「メモリ構築」を統合します。
- ABot-Explorerは階層型SG-MemoにSNAを動的に組み込み、人間のような探索方針を再現して、効率的なカバレッジのために構造的な通過ノードを優先します。
- さらに著者らは、SNAとSG-Memoの注釈を追加したInteriorGSの大規模データセット拡張を提供し、意味に整合したメモリ構築の研究を支えます。
- 実験では、ABot-Explorerが従来の最先端手法よりも探索効率と環境カバレッジの両面で大幅に優れており、生成されるSG-Memoが多様な下流タスクにも有効であることが示されています。
